随着短距离无线通信技术(如DSRC)的飞速发展,行驶汽车与路侧单元之间的信息交互得以实现,从而促使了车载信息物理系统的构成。车载信息物理系统的一个优势是可以实现自动的交通流量估计,但是这种估计可能会使车辆的位置和轨迹隐私从被系统记录的交通数据中泄露。如何在保护车辆的位置和轨迹隐私的同时准确地估计交通流量成为了交通工程和车载信息物理系统交叉领域的重要课题之一。本文深入研究了带有隐私保护的交通流量估计问题,主要研究工作和创新点如下:(1)提出了一种基于差分隐私的随机编码机制。(2)基于差分隐私解决了带有隐私保护的点对点交通流量估计问题。首先,基于本文随机编码机制,提出了一种新的点对点交通流量估计器。然后,通过严格的理论分析,证明了本文随机编码机制在保护单点车辆和点对点共同车辆的位置和轨迹隐私上满足∈-差分隐私。最后,通过基于真实交通轨迹数据的仿真实验,验证了本文点对点交通流量估计方法的有效性。(3)基于差分隐私解决了带有隐私保护的多点交通流量估计问题。首先,针对现有估计器十分复杂,难以实现的问题,提出了一种新的多点交通流量估计器。然后,通过严格的理论分析,证明了本文随机编码机制在保护多点共同车辆的位置和轨迹隐私上满足∈-差分隐私。最后,通过基于真实交通轨迹数据的仿真实验,验证了本文多点交通流量估计方法的有效性。(4)基于差分隐私解决了带有隐私保护的持续交通流量估计问题。首先,针对现有估计器对关联持续共同车辆考虑不足的问题,分别提出了新的持续单点、持续点对点以及持续多点交通流量估计器。然后,通过严格的理论分析,证明了本文随机编码机制在保护持续共同车辆的位置和轨迹隐私上满足∈-差分隐私。最后,通过基于真实交通轨迹数据的仿真实验,验证了本文持续交通流量估计方法的有效性。